O Mathematica 8 introduz novas ideias fundamentais em modelagem de distribuições. A primeira é que distribuições não-paramétricas automatizam e generalizam toda uma gama de métodos não-paramétricos utilizados para computar propriedades específicas de distribuições. A segunda é que distribuições derivadas podem ser criadas a partir de qualquer distribuição existente através de operações comuns como transformação funcional, truncamento, ou mixas, além de outros. A terceira é que uma distribuição definida por uma fórmula, como funções de distribuição de probabilidade, de distribuição acumulada, ou de sobrevivência. Os diferentes tipos de distribuição trabalham em conjunto de maneira fácil, criando um quadro de modelagem e análise com flexibilidade sem precedentes e de fácil utilização.

• Distribuições não-paramétricas incluindo distribuições empíricas, histogramas, kernel suave, etc. »
• Estimativa de densidade de Kernel com seleção de banda automática fixada ou adaptativa. »
• Distribuições empíricas univariadas e multivariadas otimizadas. »
• Estimativa não paramétrica de máxima verossimilhança para dados de censos. »
• Modelagem eficiente de sobrevivência e confiança com distribuições truncada e de censo. »
• Distribuições derivadas incluindo transformadas, truncadas, mixas, etc. »
• Transformadas univariadas e multivariadas de variáveis aleatórias. »
• Distribuições univariadas e conjuntas de ordens estatísticas de qualquer distribuição. »
• Distribuições de mistura de componentes com distribuições arbitrárias de componentes. »
• Distribuições de mistura paramétricas com distribuições de peso discreta e contínua. »
• Distribuições truncadas de qualquer dimensão, tanto contínuas quanto discretas. »
• Distribuições de censo de qualquer dimensão, tanto contínuas quanto discretas. »
• Distribuições de cópula para famílias múltiplas de kernel e quaisquer distribuições marginais. »
• Distribuições marginais de qualquer dimensão de qualquer distribuição com altas dimensões. »
• Distribuições definidas a partir de fórmulas de distribuição de probabilidade, de distribuição acumuladas, ou de sobrevivência. »

Crie distribuições diretamente a partir de dados »	Use distribuições não-paramétricas como qualquer outra distribuição »	Compute qualquer uma das mais de 30 propriedades de distribuições »
Empregue modelos de dados não-paramétricos em qualquer número de dimensões »	Estime probabilidades e expectativas não-paramétricas multivariadas »	Analise dados censurados à esquerda, direita e intervalos »
Use distribuições não-paramétricas para simular processos naturais »	Crie envelopes de confiança sobre estimativas de densidade não paramétrica »	Resolva problemas de otimização em estimativa de densidade »
Crie novas distribuições a partir de existentes usando distribuições derivadas »	Trunque uma distribuição »	Execute transformações de afinidade em distribuições normais »
Aplique censura a uma distribuição »	Crie distribuições de despacho conjunto »	Visualize distribuições marginais »
Prepare uma tabela de transformações especiais »	Crie uma galeria de distribuições de misturas »	Use diferentes kernels de cópula »
Gráficos de misturas de parâmetros especiais »	Simule uma distribuição derivada »	Visualize iso-níveis de densidade de probabilidade para uma distribuição de produtos »
Compare modelos de confiança paramétricos e não-paramétricos »	Empregue distribuições não-paramétricas em modelos de mistura sofisticados »	Crie um modelo hierárquico de mistura parametrizada »
Estude as propriedades de uma distribuição probabilística personalizada »	Modele os pagamentos de reivindicações de seguros »	Crie sua própria distribuição »

FUNÇÕES RELACIONADAS

EmpiricalDistribution  HistogramDistribution  SmoothKernelDistribution  SurvivalDistribution  KernelMixtureDistribution  ProbabilityDistribution  TransformedDistribution  OrderDistribution  MixtureDistribution  ParameterMixtureDistribution  TruncatedDistribution  CensoredDistribution  CopulaDistribution  ProductDistribution  MarginalDistribution